检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
度数关联度算法（Degree Correlation） 概述 度数关联度算法（Degree Correlation）计算所有边上起点和终点度数之间的Pearson关联系数，常用来表示图中高度数节点是否和高度数节点相连。 适用场景 度数关联度算法（Degree Correlation）适用于衡量图的结构特性场景。
紧密中心度算法（Closeness Centrality） 概述 紧密中心度算法（Closeness Centrality）计算一个节点到所有其他可达节点的最短距离的倒数，进行累积后归一化的值。紧密中心度可以用来衡量信息从该节点传输到其他节点的时间长短。节点的“Closeness
中介中心度算法（Betweenness Centrality） 概述 中介中心度算法（Betweenness Centrality）以经过某个节点的最短路径数目来刻画节点重要性的指标。 适用场景 可用作社交、风控等网络中“中间人”发掘，交通、传输等网络中关键节点识别；适用于社交、金融风控、交通路网、城市规划等领域
OD中介中心度（OD-betweenness Centrality） 概述 OD中介中心度算法（OD-betweenness Centrality）在已知一系列OD出行计划前提下，以经过某个点/某条边的最短路径数目来刻画边重要性的指标。 适用场景 可用作社交、风控等网络中“中间人
边中介中心度（Edge-betweenness Centrality） 概述 边中介中心度算法（Edge-betweenness Centrality）以经过某条边的最短路径数目来刻画边重要性的指标。 适用场景 同betweenness类似，可用作关键关系的发掘；适用于社交、金融风控、交通路网、城市规划等领域
度数关联度（degree_correlation）(1.0.0) 表1 response_data参数说明 参数 类型 说明 degree_correlation Double 度关联度 父主题： 算法API参数参考
中介中心度算法（betweenness）(2.2.4) 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 directed 否 是否考虑边的方向 Boolean true或者false true weight 否 边上权重 String 空或字符串
新增元数据，元数据存储地址为devdata/unionsdk/unionsdk_test.xml，不覆盖文件，元数据的名字为unionsdk_test，对元数据的描述为测试。 POST https://Endpoint/v2/{project_id}/graphs/metadatas { "metadata_path"
连通分量（connected_component） 三角计数算法（triangle_count） 紧密中心度算法（closeness） 中介中心度算法（betweenness） 边中介中心度（edge_betweenness） OD中介中心度（od_betweenness） 单点环路检测（single_verte
DegreeCorrelationSample 度数关联度 TriangleCountSample 三角计数 ClusterCoefficientSample 聚类系数 BetweennessSample 中介中心度算法 EdgeBetweennessSample 边中介中心度 OdBetweennessSample
Component） 度数关联度算法（Degree Correlation） 三角计数算法（Triangle Count） 聚类系数算法（Cluster Coefficient） 中介中心度算法（Betweenness Centrality） 边中介中心度（Edge-betweenness
2.21) 度数关联度（degree_correlation）(1.0.0) 三角计数（triangle_count）(1.0.0) 聚类系数（cluster_coefficient）(1.0.0) 紧密中心度（closeness）(1.0.0) 中介中心度算法（betweenness）(2
return degree(n) inDegree 2.2.26 获取点的入度 match (n) where id=’Vivian’ return inDegree(n) outDegree 2.2.26 获取点的出度 match (n) where id=’Vivian’ return
return degree(n) inDegree 2.2.26 获取点的入度 match (n) where id(n)=’Vivian’ return inDegree(n) outDegree 2.2.26 获取点的出度 match (n) where id(n)=’Vivian’ return
单击绘图区右侧的，或者在绘图区，选中一个点，单击右键，选择“查看属性”，显示“条件过滤及属性”页面。 在“条件过滤及属性”区，设置条件，然后单击“过滤”。 匹配：默认选中点，可选择过滤点或者边。 类型：默认选中所有类型，可在下拉框中选择点或者边的“类型”，“类型”在用户上传的元数据文件中定义。 添
“覆盖之前的重复边”：表示起点和终点之间有多条边时，仅保留最后读入的那条边。 “重复边忽略Label”：忽略label时，表示边的起点、终点相同即为重复边。 导入类型：包括“在线导入”和“离线导入”。 持久化版图支持多图管理需要选择图名称，不支持导入类型。 边数据集和点数据集当前仅支持英文路径和文件夹格式。 目前只
支持左值是集合：body体中左值为string。 支持右值是集合：选择否，说明即使支持也仅匹配集合中第一个字符串。 boolean值匹配，当右值输入为”true”时，将被识别为“true”进行匹配，否则识别为“false”进行匹配。 响应参数 同步返回 表10 响应Body参数说明 参数 类型 说明
Louvain算法 概述 Louvain算法是基于模块度的社区发现算法，该算法在效率和效果上都表现较好，并且能够发现层次性的社区结构，其优化目标是最大化整个社区网络的模块度。 适用场景 Louvain算法适用于社团发掘、层次化聚类等场景。 参数说明 表1 Louvain算法参数说明
louvain算法（louvain） 功能介绍 根据输入参数，执行Louvain算法。 Louvain算法是基于模块度的社区发现算法，该算法在效率和效果上都表现较好，并且能够发现层次性的社区结构，其优化目标是最大化整个社区网络的模块度。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
等集合运算。 匹配：右值是左值的PREFIX（前缀）、NOTPREFIX（非前缀）、 SUFFIX（后缀）、NOTSUFFIX（非后缀）、SUBSTRING（子串）、NOTSUBSTRING（非子串）、CISUBSTRING（忽略大小写的子串）、FUZZY（模糊匹配）或REGEX（正则匹配）
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
